本发明属于图像影像后处理、特征工程,尤其涉及基于gabor乳腺影像组学特征提取及筛选系统和方法。
背景技术:
1、目前,乳腺超声图像是判断乳腺相关疾病的常用辅助手段,无论是在乳腺癌诊断、治疗,还是对新辅助化疗疗效评估方面,相较于其他影像检查方式,超声检查都有着较大的优势。近年来,人工智能技术在图像处理任务领域取得了较大成就,而人工智能辅助诊断、影像组学技术也有一系列成功案例。因机器扫描的原理不同,ct、mri逐层扫查,扫描结束后可进行三维重建超声检查受限于机器扫描机制,且受扫查者主观性影响较大,且常规超声机器难以进行三维重建,故目前基于人工智能辅助诊断技术主要应用于处理ct图像、mri图像,而应用于超声图像的人工辅助诊断技术较少。而超声检查是乳腺检查不可缺少的检查项目,超声医师每天需要观察和分析大量乳腺超声图像,且超声图像具有分辨率低和病理组织与正常组织难以区分的缺点,在此情况下,会给医生带来巨大压力,给乳腺疾病的诊断与治疗带来了极大的困难。
2、目前,国外推出了几款影像组学相关软件——基于python开发的pyradiomics、基于matlab开发的ibex。weikai sun等人利用基于pyradiomics的ct图像影像组学,构建临床和影像组学特征的组合诺模图,作为一种无创性的术前预测方法,鉴别良、恶性骨肿瘤,并辅助治疗计划;andrea bettinelli等人验证了ibex是符合image biomarkerstandardization initiative(影像生物标志物标准化计划),且适用于定量准确的特征提取。但这两款软件均已ct、mri图像作为开发重点,对超声图像的处理支持依旧不好,实际临床应用可行性不佳,且主要存在的缺点有两方面:1.影像组学特征数量提取较少,2.超声等二维图像难以进行特征提取。为解决现有技术中的问题,亟需提出一种基于影像组学的乳腺超声影像特征提取及筛选系统和方法。
技术实现思路
1、本发明的目的在于提出基于gabor乳腺影像组学特征提取及筛选系统和方法,对乳腺超声进行定量化、自动化的多种影像组学信息的提取及筛选,进行影像组学模型的构建及评估。
2、一方面为实现上述目的,本发明提供了基于gabor乳腺影像组学特征提取及筛选系统,包括:
3、图像采集模块、图像标注模块、图像配对模块、特征提取模块和特征筛选模块,所述图像采集模块、所述图像标注模块、所述图像配对模块、所述特征提取模块和所述特征筛选模块电性连接;
4、其中,所述图像采集模块,用于获取乳腺超声影像数据和乳腺超声影像数据集;
5、所述图像标注模块,用于标注所述乳腺超声影像数据,获取标注掩膜图像数据;
6、所述图像配对模块,用于对所述乳腺超声影像数据和所述标注掩膜图像数据配对;
7、所述特征提取模块,用于对配对后的图像进行gabor滤波器滤波处理,提取乳腺超声影像数据集的各影像组学特征;
8、所述特征筛选模块,用于对所述乳腺超声影像数据集的各影像组学特征进行筛选,获取相关性最大的特征。
9、可选的,获取乳腺超声影像数据集的过程包括:
10、基于乳腺病灶,对所述乳腺超声影像数据进行标注,获取标注后的乳腺超声影像数据,对所述乳腺超声影像数据通过二分类获取标注掩膜图像数据,所述乳腺超声影像数据和所述标注掩膜图像数据组成所述乳腺超声影像数据集。
11、可选的,所述乳腺超声影像数据集中的图像配对的过程包括:将所述乳腺超声影像数据和所述标注掩膜图像保存在文件夹中,所述乳腺超声影像数据和所述标注掩膜图像在文件夹中命名格式前缀一致,根据文件夹命名的前缀所述乳腺超声影像数据和所述标注掩膜图像完成配对。
12、可选的,对配对后的图像进行滤波处理,提取乳腺超声影像数据集的各影像组学特征的过程包括:
13、通过gabor滤波器滤波对配对后的图像进行预处理,提取所述乳腺超声影像数据集的各影像组学特征。
14、可选的,所述各影像组学特征包括:一阶特征、形态特征、灰度共生矩阵特征、灰度级大小区域矩阵特征、灰度游程矩阵特征、相邻灰度差矩阵特征、灰度依赖矩阵特征。
15、可选的,对所述乳腺超声影像数据集的各影像组学特征进行筛选,获取相关性最大的特征的过程包括:
16、根据最小绝对收缩和选择算子回归方法,基于所述乳腺超声影像数据集的各影像组学特征进行筛选获取相关性最大的特征。
17、另一方面为实现上述目的,本发明提供了基于gabor乳腺影像组学特征提取及筛选方法,包括以下步骤:
18、获取乳腺超声影像数据,基于所述乳腺超声影像数据标注乳腺病灶,获取乳腺超声影像数据集;
19、将所述乳腺超声影像数据集中的图像进行配对,对配对后的图像进行滤波处理,提取乳腺超声影像数据集的各影像组学特征;
20、对所述乳腺超声影像数据集的各影像组学特征进行筛选,获取相关性最大的特征,构建影像组学模型并对所述影像组学模型评估。
21、可选的,对配对后的图像进行滤波处理,提取乳腺超声影像数据集的各影像组学特征的计算过程包括:
22、
23、其中,x'=xcosθ+ysinθ,y'=-xsinθ+ycosθ,x,y分别为像素坐标位置。
24、可选的,构建影像组学模型并对所述影像组学模型评估的方法包括:
25、rf(x)表示随机森林对样本x的预测值,b表示总共有b棵树,表示第i棵树所使用的训练集,根据所有训练集进行行采样和列采样获取子数据集。
26、本发明技术效果:本发明公开了基于gabor乳腺影像组学特征提取及筛选系统和方法,对乳腺超声进行定量化、自动化的多种影像组学信息的提取及筛选,进行影像组学模型的构建及评估,同时,利用gabor滤波器可以在频域的不同尺度,不同方向上提取相关特征的特点,了解乳腺病灶在超声图像上不同方向上的差异性,实现了自动提取乳腺超声影像中的病灶信息,速度快,准确率较高,重复性佳,方便快捷,而且所提取的影像组学特征可用于临床诊断乳腺癌及评估乳腺癌新辅助化疗的疗效,且所提取的影像组学信息联合临床模型用于构建联合预测模型,或用于影像组学相关的其他科学研究,值得在从事超声影像学研究领域的人员中推广。
1.基于gabor乳腺影像组学特征提取及筛选系统,其特征在于,包括:图像采集模块、图像标注模块、图像配对模块、特征提取模块和特征筛选模块,所述图像采集模块、所述图像标注模块、所述图像配对模块、所述特征提取模块和所述特征筛选模块电性连接;
2.如权利要求1所述的基于gabor乳腺影像组学特征提取及筛选系统,其特征在于,获取乳腺超声影像数据集的过程包括:
3.如权利要求2所述的基于gabor乳腺影像组学特征提取及筛选系统,其特征在于,所述乳腺超声影像数据集中的图像配对的过程包括:将所述乳腺超声影像数据和所述标注掩膜图像保存在文件夹中,所述乳腺超声影像数据和所述标注掩膜图像在文件夹中命名格式前缀一致,根据文件夹命名的前缀所述乳腺超声影像数据和所述标注掩膜图像完成配对。
4.如权利要求3所述的基于gabor乳腺影像组学特征提取及筛选系统,其特征在于,对配对后的图像进行滤波处理,提取乳腺超声影像数据集的各影像组学特征的过程包括:
5.如权利要求4所述的基于gabor乳腺影像组学特征提取及筛选系统,其特征在于,所述各影像组学特征包括:一阶特征、形态特征、灰度共生矩阵特征、灰度级大小区域矩阵特征、灰度游程矩阵特征、相邻灰度差矩阵特征、灰度依赖矩阵特征。
6.如权利要求5所述的基于gabor乳腺影像组学特征提取及筛选系统,其特征在于,对所述乳腺超声影像数据集的各影像组学特征进行筛选,获取相关性最大的特征的过程包括:
7.基于gabor乳腺影像组学特征提取及筛选方法,其特征在于,包括以下步骤:
8.如权利要求7所述的基于gabor乳腺影像组学特征提取及筛选方法,其特征在于,对配对后的图像进行滤波处理,提取乳腺超声影像数据集的各影像组学特征的计算过程包括:
9.如权利要求8所述的基于gabor乳腺影像组学特征提取及筛选方法,其特征在于,构建影像组学模型并对所述影像组学模型评估的方法包括: